Codesearch ModernBERT Owl 2.0 Plus

🚀 🦉 CodeSearch-ModernBERT-Owl-2.0-Plus

Shuu12121/CodeSearch-ModernBERT-Owl-2.0-Plus は、マルチリンガルなコード理解・検索のために設計された CodeModernBERT-Owl 系列の最新事前学習モデルです。本モデルは、VSCode拡張機能 OwlSpotlight にて使用されており、関数レベルの意味的コード検索を実現します。

✨ 主な機能

• 独自コーパスで事前学習
  CodeBERT (Feng et al., 2020) の約4倍の規模となる、完全独自収集の高品質なコード・docstringコーパスを用いて事前学習。
• 8言語対応
  Python, Java, JavaScript, PHP, Ruby, Go, Rust に加えて、TypeScript を新たにサポート。
• 長文対応（最大8192トークン）
  訓練時最大2048トークン、推論時には8192トークンまでの入力を処理可能（Position Embedding拡張済み）。
• 徹底したノイズ除去・データクリーニング
  • Tree-sitter による関数・docstring抽出
  • 無意味な定型コメント・多言語ノイズの除去
  • シークレット・APIキーの自動マスキング
  • ライセンス記述の除外
  • 重複関数の除去によるリーク対策

📦 インストール

このセクションでは、READMEにインストール手順が記載されていないため、省略します。

📚 ドキュメント

📦 基本情報

🚀 主な用途

• 関数レベルの意味的コード検索（自然言語 → 関数コード）
• コード補完・要約・分類・クローン検出などの下流タスク
• Retrieval-Augmented Generation（RAG）における高精度なコード検索

💻 使用例

🧪 利用例：VSCode拡張「OwlSpotlight」

本モデルは、OwlSpotlight に組み込まれており、自然言語による直感的な関数検索が可能です。
🖥 Mac（Mシリーズ含む）上で軽量に動作し、開発中のコードベースに即座にインデックス作成・検索できます。

🔧 技術詳細

このセクションでは、READMEに十分な技術詳細が記載されていないため、省略します。

📄 ライセンス

このモデルは apache-2.0 ライセンスの下で提供されています。